flow 说明
依赖导入
implementation "org.jetbrains.kotlinx:kotlinx-coroutines-core:1.3.3" implementation "org.jetbrains.kotlinx:kotlinx-coroutines-android:1.3.3" 复制代码
流简单使用
suspend fun flow1() { flow<Int> { (0..4).forEach { emit(it)//生产者发送数据 } }.collect { println(it)//消费者处理数据 } } 复制代码
本例中 flow { ... } 构建块中的代码可以挂起
流是冷的,所以 collect 被调用后 flow 内的方法体才会被调用
流操作符
本文要讲的操作符: flowwOf,asFlow,map,transform,take,toList,toSet,first,reduce,buffer,collectLast,zip,combine,
流构建器
flowof
可以将 flowOf 内的可变长参数一一发射
flowOf(1, 2, 5, 4).collect { println(it) } 复制代码
asFlow
flowOf 可以将集合转换成 flow 发射
suspend fun asFlowM(){ listOf(1,2,9,0,8).asFlow().collect{ println(it) } } 复制代码
过渡流操作符
过渡操作符可以对流进行转换,也就是获取生产者发射的数据做一定更改,然后转给消费者
map
我们可以再 map 中执行一些过渡操作,比如本例中将生产者发送的数据*9,然后再发射给消费者
suspend fun mapM(){ (1..9).asFlow().map { it*9 }.collect{ println(it) } } 复制代码
值得一提的是,我们是可以再 map 中进行异步操作的,比如有以下代码:
flow<Int> { var userId = login() userId }.map { var permission = getPermission(it) permission }.collect{ println("打印权限 $it") } 复制代码
这段代码中我们模拟了这样一个情景,先在 flow 中调用 login 方法异步获取用户 id,然后再 map 中调用 getPermission 异步获取用户权限。然后将用户权限信息返回给消费者。
通常我们的代码中有多个接口需要连续调用的时候就很适合用这种方法,可以十分有效的避免接口调用嵌套
转换操作符 transform
transform 主要强调的是类型的转换
(1..3).asFlow() // 一个请求流 //transform中的泛型<Int,String> 表示将Int类型转换为String后,继续发射 .transform<Int, String> { request -> emit("transform Int to String $request") } .collect { response -> println(response) } 复制代码
本例中发射的数据是 Int 类型,但是我们 collect 中需要的数据是 String 类型,所以我们可以再 transform 中进行将 Int 类型转换为 String,然后使用 emit 继续发射
限长操作符 take
take 操作符可以限定我们要消费的数据的数量,见代码
(1..9).asFlow().take(3).collect { println(it) } 复制代码
本例中,我们生产者发送了 1..9,一共 9 个数字,但是因为使用了 take(3)操作符,所以只有前三个发射的数字才能被消费者消费到
末端流操作符
末端操作符,我理解的就是消费者调用的方法,比如 collect 就是末端操作符
toList
会把数据消费到一个 List 列表中
suspend fun toList():List<Int> { return (1..9).asFlow().filter { it % 2 == 0 }.toList() } 复制代码
toSet
同 toList
frist
获取第一个元素
suspend fun firstM(): Int { return (2..9).asFlow().filter { it % 2 == 1 }.first() } 复制代码
reduce
reduce 的兰布达表达式会提供运算公式负责计算。
在 reduce 的兰布达表达式中,可以对当前要消费的值和之前计算的值进行计算,得到新值返回。所有值消费完成后返回最终值
suspend fun reduceM():Int { return (1..9).asFlow().reduce { accumulator, value -> println("$accumulator : $value") accumulator + value } } 复制代码
流是连续的
流上下文
缓冲
官方demo了解缓冲出现的原因
通过图中我们发现,生产者生产数据的时候消费者是需要等待的,然后生产者发送完数据后消费者处理数据,期间生产者必须等消费之处理完数据才能继续发射数据
这就是一种相互阻塞了,那么有没有一种办法能够让消费者消费数据的时候生产者能继续生成对象呢,还真有buffer就可以
buffer
buffer可以缓存生产者数据,不会被消费者阻塞
suspend fun bufferM() { val startMillis = System.currentTimeMillis() flow<Int> { (1..3).forEach { delay(300) emit(it) } }.buffer(4) .collect { delay(400) println(it) println("时间已经过了${System.currentTimeMillis() - startMillis}") } } 复制代码
代码执行打印日志:
1 时间已经过了745 2 时间已经过了1148 3 时间已经过了1552 复制代码
如果我们没有用buffer,那么总时长应该2100ms
使用了buffer总时长是:1552=300+400*3
所以使用buffer的时候生产者可以并发发射数据,不会被消费者阻塞
组合多个流
conflate
当生产者发射数据速度大于消费者的时候,消费者只能拿到生产者最新发射的数据
suspend fun conflate(){ flow<Int> { (1..9).forEach { delay(100) emit(it) } }.conflate().collect { delay(300) println(it) } } 复制代码
比如上面这段代码,因为有conflate的存在,输出如下:
1 3 6 9 复制代码
如果没有conflate存在输出如下:
1 2 3 4 5 6 7 8 9 复制代码
两者对比,明显能发现使用conflate的例子替我们忽略了很多无法即时处理的数据
collectLast
这个操作符的意思:如果生产者数据以及发射过来了,消费者还没有把上一个数据处理完,那么直接停止处理上一条数据,直接处理最新的数据
suspend fun collectLastM(){ flow<Int> { (1..9).forEach { delay(100) emit(it) } }.collectLatest { delay(800) println(it) } } 复制代码
比如本例的输出如下:
zip
zip操作符可以把两个流合并为一个流,然后再zip方法中将两个流发射的数据进行处理组合后继续发射给消费者, 如果两个流长度不一致,按比较短的流来处理:
- 两个流长度一致,都是3
suspend fun zipM(){ val flow1 = (1..3).asFlow() val flow2 = flowOf("李白","杜甫","安安安安卓") flow1.zip(flow2){a,b-> "$a : $b" }.collect { println(it) } } 复制代码
输出:
1 : 李白 2 : 杜甫 3 : 安安安安卓 复制代码
上面的代码我们进行一下改变,将flow1的长度改为5
val flow1 = (1..5).asFlow() 复制代码
查看输出结果:
1 : 李白 2 : 杜甫 3 : 安安安安卓 复制代码
所以验证一下我们开头的结论,两个长度不同的流zip合并,消费者输出的数据长度是较短的流的长度
combine
上一节zip的缺点我们清楚了,就是两个流长度不等的时候,较长的流后面部分无法输出
那么combine就是用来解决zip这个缺点的(也很难说是缺点,只是应用场景不同罢了,你姑且可以认为是缺点)
suspend fun combineM(){ val flowA = (1..5).asFlow() val flowB = flowOf("李白","杜甫","安安安安卓") flowA.combine(flowB){a,b-> "$a : $b" }.collect { println(it) } } 复制代码
输出日志:
1 : 李白 2 : 李白 2 : 杜甫 3 : 杜甫 3 : 安安安安卓 4 : 安安安安卓 5 : 安安安安卓 复制代码
我们的两个流,数字流长度为5,字符串流为3。
实现的效果简单逻辑分析:
flow发射1,flow2发射 ”李白“ ,打印:1 : 李白 flow发射2,flow2未发射数据 ,打印:2 : 李白 flow未发射,flow2发射 ”杜甫“ ,2 : 杜甫 flow发射3,flow2未发射 ,打印:3 : 杜甫 flow未发射,flow2发射 ”安安安安卓“ ,打印:3 : 安安安安卓 flow发射4,flow2发射完成 ,打印:4 : 安安安安卓 flow发射5,flow2发射完成 ,打印:5 : 安安安安卓 复制代码
展平流
下面三个流,暂时不写,因为我没有想到应用场景
flatMapConcat
flatMapMerge
flagMapLatest
流异常
使用try/catch包裹流
我们是可以使用try/catch来收集流异常的,但是不建议用这种方法
使用flow的catch操作符处理流
使用flow 的catch操作符处理异常更优雅
不过catch也有缺点,它只能捕获生产者的异常不能捕获消费者的异常
suspend fun trycatch() { flow<Int> { (1..3).forEach { if (it == 2) {//故意抛出一个异常 throw NullPointerException("强行空指针,嘿嘿嘿嘿") } emit(it) } }.catch {e-> e.printStackTrace() emit(-1)//异常的情况下发射一个-1 }.collect{ println(it) } } 复制代码
消费者的异常如何处理
上一节我们学校了catch生产者的异常,那么消费者产生的异常该如何处理呢。
尝试在消费者中抛出异常,查看是否可以被捕获
flow<Int> { for (i in 1..3) { emit(i) } }.catch { emit(-1) }.collect { if(it==2){//在消费者中抛出数据 throw IllegalArgumentException("数据不合法") } println(it) } 复制代码
输出:
1 Exception in thread "main" java.lang.IllegalArgumentException: 数据不合法 at HahaKt$consumerCatch$$inlined$collect$1.emit(Collect.kt:138) 复制代码
将异常代码放在onEach中catch异常
suspend fun consumerCatch() { flow<Int> { for (i in 1..3) { emit(i) } }.onEach { if (it == 2) {//与上面的不同,在消费之前先用onEach处理一下 throw IllegalArgumentException("数据不合法") } }.catch { emit(-1) }.collect { println(it) } } 复制代码
输出:
1 -1 复制代码
流完成onCompletion
使用onCompletion可以再流完成的时候再发送一个值
flowOf(1, 23, 5, 3, 4).onCompletion { println("流操作完成") emit(12344)//这里不返回值也没关系 }.collect { println(it) } 复制代码
输出:
1 23 5 3 4 刘操作完成 12344